——蓝淳愉 曹 磊

静脉血栓栓塞症(Venous Thromboembolism，VTE)是全球性的医疗保健问题。医院发生VTE的风险与患者的病情、手术等有关。早期识别VTE高危患者，及时干预，可以显著降低医院VTE的发生概率[1]。目前，我国有的医疗机构信息化水平对于VTE管控的支撑还不成熟，主要集中在评分平台建立方面。多数平台能够做到事前预警通知，但对全流程闭环管理的支持力度不足；平台建设中表单填报由纸质转为电子化，但评估仍依赖医护人员，未充分利用大数据及人工智能技术减轻医护人员工作负担。本研究结合人工智能模型和自然语言处理引擎技术，依据南昌大学第一附属医院VTE管控要求，构建了基于人工智能的VTE管控平台，旨在通过信息技术驱动高效高质的医疗管理[2]。

1 平台构建与应用

1.1 构建自动风险评估模块

评估患者VTE风险的常用方法是使用评分量表，典型的评分量表为Caprini评分表。该量表变量有40多项，填写过程耗时耗力；而且人工评分过程依赖于评分人员的个人经验，针对同一判断不同医生可能采取不同评价标准，容易造成评分结果一致性差[3]。

为解决这一问题，该院在VTE管控平台中构建自动风险评估模块。该模块对接病历、检验检查、护理、手麻等系统，设定计算规则，在患者参与相应医疗活动时，利用接入信息自动对患者进行Caprini评分[4]，并将评分信息推送至患者的主管医生。

1.2 完善基于人工智能模型的风险预测功能

AI(Artificial Intelligence，人工智能)深度学习模型通过大量样本数据的学习、训练，不仅可以分类出300+的特征变量，而且能够动态表达一些变量组合后的增强关系，从而更加贴合疾病诱因的真实关系。基于此，该院依托中文自然语言理解和知识图谱技术，应用图卷积神经网络、多层贝叶斯网络推理等算法，构建了面向VTE的AI风险预测模型[5]。经过对医院数据进行分析挖掘，AI风险预测模型剔除了频率低、共线性强的特征，最终保留了300余项特征变量。模型上线后，经验证测试，其灵敏度(80%)和特异度(84%)均超过了传统的Caprini评分表对应指标(57%、13%)[6]。同时，模型构建过程中采用了可解释性强的模型算法，除输出风险评分外，还包含患者的危险因素和保护因素，可以帮助医生更好地判断患者VTE风险。

1.3 形成闭环管理

明确各环节的分工及责任，以信息化技术为手段，建立完善的闭环管理体系。主要分为事前预警、事中监控、事后管理3部分工作。在事前预警阶段，应用AI模型实现风险自动识别；在事中监控阶段，主要监控预防措施执行情况；在事后管理阶段，重点对各项工作开展情况进行统计分析。

1.4 建立轻量级数据自动接入方案

基于医院信息平台，以MQ(Message Queue，消息队列)消息形式，接入标准的HL7 V3格式消息，实现各业务平台与VTE管控平台的数据交互。这种方式在保证数据自动接入、快速自动运算的基础上，不会对各业务平台的运行造成压力，保障了平台平稳运行。

2 应用效果

2.1 实现了VTE风险的闭环管理

2.1.1 事前预警：VTE预警消息推送 对VTE评估风险为中高危、需干预的预警患者，平台自动推送预警消息给指定责任人，并支持短信、微信、与医生工作站集成推送等方式。消息内容包括预警内容、评分细节、建议预防处方措施等，协助医生早发现、早干预。

2.1.2 事中监控：预警干预措施管理 在完成预警消息推送后，平台自动记录干预处理结果，具体内容包括消息反馈情况、完成处置情况、具体处方情况等。如果患者在院信息发生了变化，平台会对患者再次评估。在平台内可查看推送信息和反馈历史记录，追踪预警处理流程，从而形成监控闭环[8]。

2.1.3 事后管理：统计分析功能 提供监测患者的多维度统计分析功能，支持指定时间段、科室、风险等级人群统计，支持全院患者VTE风险人群特征分析、分科室患者风险管理、高风险患者抗凝等治疗干预监控等功能[9]。

2.2 VTE防控效果显著

2.2.1 Caprini评分效率大幅度提高 平台应用后，改变原有人工手动评分方式为机器自动评分+人工审核方式。经过对比分析发现，在准确率(人工97%，机器93.25%)、召回率(人工81.29%，机器84%)变化不大的前提下，机器自动评分+人工审核耗时明显减少。在机器自动评分+人工审核方式下，机器自动评分耗时不足1s。同时，由于平台可自动从检验系统、电子病历系统完成数据获取与整合，评分医生人工审核校验时间也大大缩短，使得整个评分任务从原来的20多分钟缩短为5分钟。

2.2.2 针对风险人群的预防措施实施率显著提升 平台应用后，针对风险人群(低、中、高危患者)的预防措施实施率从72%上升至88%。同时，定性分析显示，预防措施更趋合理。出血风险较高的患者主要以机械预防措施为主，如分级加压弹力袜等；对于出血风险较低的患者可以采用药物预防或药物预防联合机械预防，如使用低分子肝素、华法林等。

3 讨论

目前，我国有的医疗机构在VTE管控方面的信息化应用水平普遍不高。通过大数据、人工智能技术实现自动评分、风险预测的应用近年来已有尝试。基于人工智能的VTE管控平台主要有以下创新点：

(1)通过应用自然语言处理技术、数据整合技术等，缩短了填表时间，提高了评估效率。以往手动填写需登录各业务平台人工查询患者病历，耗时较长。通过管控平台，患者入院后即可自动进行风险评估再交由医生审核，提高了评估效率。同时，支持患者在院期间实时动态评分，实时监控患者风险状态，实现了全流程管理。

(2)实现了评分标准的统一。手动评分在较大程度上依赖于医生个人经验，不可避免地会存在一定评分差异。在平台构建过程中，信息处与质控科、护理部、临床医生密切合作，针对每项指标制定了明确的评判规则，结合医院在用业务字典进行自动判断，实现了评分标准的统一化管理，提升了评分的可信度。

(3)实现了全过程数据留痕。平台设计了数据存储功能，在完成评分后会自动保存评分所依据的数据内容，形成VTE专病数据库。该数据库不仅可用于评分的准确性评估，也可以作为后续VTE管控相关科学研究的数据基础。

4 总结与展望

本研究基于人工智能技术探索了VTE管控平台建设，结合管控闭环，建立了智能化的风险预测模型，实现了高灵敏度的实时风险预警，并覆盖患者整个就诊周期。根据医院实践，借助VTE管控平台，在诊前能够借助人工智能技术的预测能力，提高发现VTE风险的可能性，避免遗漏重要的预警信号；在诊中可实时对患者相关指标进行监测，监控预防措施实施情况，合理处置风险；在诊后可以总结各病例情况，进一步总结提高。

但本研究还存在一些不足之处。由于该平台运行时间较短，尚未收集到长期的运营管理数据；平台作为新的业务平台，对相关人员的业务影响需要进一步探讨。这些问题将在后续工作中加以改进完善。